Det finns en stabil forskningsbas för att påstå att känslor påverkar lärande. Även om läraren i klassrummet sannolikt är ytterst medveten om känslornas betydelse för elevernas inlärning så bortser forskningen inte sällan från denna fråga. Det gäller inte minst forskningen runt nätbaserat lärande. Detta trots att det sannolikt skulle vara mycket betydelsefullt att kunna mäta och förstå känslor för att kunna anpassa t.ex. digitala lärmiljöer efter elevers känslostämningar och därmed förbättra deras chanser till inlärning.
Inom LACE-projektets första litteratur- eller forskningsanalys granskas nu frågan om man med hjälp av Learning Analytics kan fånga elevers känslor (du hittar studien här). Ett hundratal studier analyseras.
Det är ur många aspekter en svår och känslig fråga. Ur ett forskningsperspektiv reser den ett antal kunskapsteoretiska, ontologiska och praktiska frågor samtidigt som det ur ett mer vardagligt perspektiv väcker frågor t.ex. om den personliga integriteten. Så i många avseenden ger sig denna första forskningssammanställning rakt in i pudelns kärna när det gäller Learning Analytics.
Studien undersöker hur man kan mäta och förstå känslor dels ur existerande data och dels ur nya data. Vad gäller existerande data (det kan gälla tidigare skrivna texter, tidigare diskussioner som spelats in eller videoinspelningar av elever som samarbetar m.m.) så undersöker man tre metoder, nämligen innehållsanalys, bearbetning av naturligt tal eller identifiering av beteendeidentifikatorer (som kan gälla ansiktsuttryck och gester eller användning av emoticons eller liknande). Som tabellen nedan visar så finns det ett antal studier som beskriver ett antal sätt att med dessa metoder fånga elevers känslor.
Därefter går man vidare för att se om det finns studier som beskriver möjligheter att i realtid eller med lätt fördröjning fånga och förstå elevers känslor. Här undersöks fyra olika metoder, nämligen kvantitativa instrument, kvalitativa metoder, ordmoln och intelligenta handledningssystem. Även här återfinns ett antal studier som beskriver olika möjliga tillvägagångssätt (se tabell 2).
Avslutningsvis kan man alltså konstatera att även om instrumenten än så länge är en aning trubbiga, så är de inte så klumpiga som man kanske skulle tro när det gäller att fånga elevers känslouttryck. Svårare är nog att förstå vad känslorna står för och hur de påverkar elevernas lärande. Ännu kan maskinerna inte läsa mellan raderna, förstå humor eller ironi. Så ytterligare ett tag framåt gäller nog att försöka använda många olika metoder och instrument för att fånga känslor (eftersom instrumenten tycks olika anpassade för olika typer av känsloyttringar) och inte minst att vara försiktig i sin tolkning och användning av de data man får fram.
Med det är en spännande värld av möjligheter som håller på att öppna sig och som på sikt kommer att förändra hur vi ser på undervisning och lärande.